丘陵地带耕地撂荒遥感监测应用研究
Application of remote sensing monitoring in abandoned arable land in a hilly region
责任编辑: 陈昊旻
收稿日期: 2022-11-17 修回日期: 2023-01-4
基金资助: |
|
Received: 2022-11-17 Revised: 2023-01-4
作者简介 About authors
周小迦(1988-),男,硕士研究生,高级工程师,研究方向为测绘产品质检、专题地理信息系统、遥感目标识别。Email:
精准掌握耕地撂荒分布情况对于耕地保护和粮食安全尤为重要。为此,该文以南方丘陵区地带粮食主产区湖南省宁远县作为研究区域,依据该地水稻种植物候特征,以2020年和2021年获取的6期卫星遥感影像和航空影像作为数据源,以第三次全国国土调查水田和1∶2 000 DLG田埂范围作为最小提取单元,基于时序归一化植被指数(normalized difference vegetation index,NDVI)分析和改进支持向量机(support vector machine,SVM)方法,提取水稻种植图斑; 通过连续2 a差值计算,筛选出疑似撂荒区域,结合无人机抽样航空调查,对疑似区域进行精细化筛查,分析得到耕地撂荒区域,经过现场核查监测精度可达85%以上。结果表明,融合空、天、地一体化的遥感监测方法可以为农业管理部门的耕地撂荒现象治理工作提供科学有效的数据支持。
关键词:
With continuously accelerated urbanization, urban expansion-induced farmland occupation and rural hollowing have gradually aggravated arable land abandonment, posing challenges to China’s food security. Hence, accurately determining the distribution of abandoned arable land is critical to arable land protection and food security. This study investigated a county in the major crop production area in a hilly region in southern China. Based on the phenological characteristics of local rice planting, this study adopted six phases of satellite remote sensing images and aerial images acquired in 2020 and 2021 were used as the data source and selected paddy fields determined based on the Third National Land Survey and field ridges in 1∶2 000 digital line graphics (DLGs) as the minimum information extraction unit. Then, the rice planting patches were extracted through time-series normalized difference vegetation index (NDVI) analysis and the improved SVM method. Suspected abandoned areas were screened out through the difference calculation for two consecutive years and then further identified in the unmanned aerial vehicle (UAV)-based sampling aerial survey. Consequently, the abandoned arable land areas were determined, with monitoring accuracy exceeding 85%, as revealed by on-site verification. The results of this study show that the space-air-ground integrated remote sensing monitoring method can provide scientific and effective data support for agricultural management departments to control and manage cultivated land abandonment.
Keywords:
本文引用格式
周小迦.
ZHOU Xiaojia.
0 引言
耕地资源是关乎中华民族永续发展的基础性战略资源,尤其是当下世界格局趋向紧张和动荡,粮食安全是保障国家稳定和社会安定的压舱石。因此,耕地18亿亩❶(❶ 1亩≈666.67 m2)红线压力时刻引起国家和社会公众的万分关注[1-2]。近年来,随着城镇化的加速推进,城市边界和建设用地的不断扩张导致耕地资源屡遭破坏,加之农村空心化和人口持续外流导致农村劳动力不断减少,耕地撂荒现象屡有发生。截至第三次全国国土调查(以下简称“三调”),中国耕地面积为19.18亿亩,受到城市扩张、灾害、生态恢复和农业结构调整等影响,其面积较之第二次全国国土调查时的20.31亿亩减少了1.13亿亩[3]。为切实加强保护宝贵的耕地资源,在2020年9月国家提出了要以长牙齿的工作态度对待和治理耕地“非粮化”和“非农化”现象。
近年来,遥感监测手段在耕地保护领域的重要性与日俱增,主要体现在耕地撂荒监测[4]、耕地污染防治[5]以及土壤肥力评估[6]等方面,国内专家学者围绕土地退化和耕地撂荒监测治理领域进行了大量的研究。张昊等[7]基于黄土丘陵地貌类型多样、地形起伏大、破碎等特征,并结合Sentinel光学和合成孔径雷达(synthetic aperture Radar,SAR)数据将光谱信息和地形特征,采用随机森林算法进行撂荒地判别; 王玲玉等[8]利用短期高空间分辨率影像和长时序中等空间分辨率影像的特性,从高分辨率影像中提取耕地精准范围,同时利用高时间分辨率的Landsat数据进行最大值合成法得到2003—2018年间的时序归一化植被指数(normalized difference vegetation index,NDVI)数据,然后通过阈值法识别撂荒地NDVI特征; 丁书培等[9]基于GEE平台的随机森林方法有效提取了南方多云多雨地区的耕地信息,其中“非农化”现象主要发生在高程100 m和坡度10°以下区域; 牟昱璇等[10]提出了面向对象和CART决策树结合的复杂条件下耕地面积提取方法来解决南方地区植被类型复杂、地形复杂和地块破碎等原因导致耕地提取精度低的问题; 张天柱等[11]研究发现作物收益水平差距导致耕地撂荒呈现出季节性差异,而耕地流转能有效抑制当地耕地撂荒现象。
为研究丘陵地带耕地撂荒遥感监测方法,本文选择我国南方丘陵区地带粮食主产区——湖南省宁远县作为研究区,采用空天地遥感监测手段协同的工作方式,基于时序NDVI分析和数据约束结合的耕地撂荒信息提取方法,利用2020和2021年期间每年4月、7月、10月等共计6个时间点的卫星影像数据以及2021年5月、7月的航空影像,结合外业调查协同方式进行耕地撂荒遥感监测应用研究,旨在为农业管理部门的耕地撂荒现象治理工作提供科学有效的数据支持。
1 研究区概况与数据源
1.1 研究区概况
研究区为湖南省南部的永州市宁远县,坐落于萌渚岭北麓,南有九疑山,北靠阳明山,是我国南方重要的水稻生产示范县。2021年全县粮食播种面积为480 km2,主要作物为一季水稻和双季水稻,粮食总产量达到31万t。全县境内四周环山,海拔最高处1 959 m,最低165 m,丘陵面积占全县面积的63%,地貌类型多样(图1)。
图1
1.2 数据源与预处理
1.2.1 数据源
本文所用卫星影像数据以空间分辨率为亚米级至2 m的高分一号(GF-1)和吉林一号(JLKF01A)数据为主,包括2020和2021年期间每年4月、8月、10月等3个时间段数据,其中GF-1影像21景、JLKF01A影像21景、JLKF01C影像22景以及Superview-01影像20景。航空影像为大疆M300 RTK获取的2021年5—7月期间的光学影像,主要用于42个样方的地面调查,地面精度优于0.1 m。高程数据为日本ALOS PALSAR卫星获取的12.5 m精度数字高程模型(digital elevation model,DEM)。宁远县、行政边界和乡镇位置来自于2021年全国1∶100万比例尺县乡矢量数据。
1.2.2 数据预处理
本文利用ENVI软件完成对卫星影像数据进行数据质量检查、辐射校正、几何纠正、数据融合以及镶嵌裁剪等预处理工作。特别是基于ENVI自带的云量检查工具和去云算法,处理研究区内卫星影像云量较多的情况,得到了质量较好的少云影像。本文所采用的卫星影像数据数量如表1所示。
表1 研究区2020—2021年卫星影像
Tab.1
卫星型号及数据类型 | 2020年 | 2021年 | ||||
---|---|---|---|---|---|---|
4月 | 8月 | 10月 | 4月 | 8月 | 10月 | |
GF-1 | 4 | 2 | 6 | 3 | 1 | 5 |
JLKF01A | 2 | 4 | 5 | 4 | 4 | 2 |
JLKF01C | 6 | 1 | 3 | 7 | 3 | 2 |
Superview-01 | 3 | 2 | 4 | 2 | 6 | 3 |
合计 | 15 | 9 | 18 | 16 | 14 | 12 |
利用无人机处理软件Pixel4Dmapper对航空影像进行处理,通过空三加密、DEM匹配和正射镶嵌等操作,得到优于0.1 m的无人机高空间分辨率正射影像,并进行几何精纠正得到最终影像。
2 研究方法
本文的研究方法和技术路线如图2所示: ①基于水稻物候特征获取研究区内水稻种植关键时间点影像并进行预处理; ②利用时序NDVI分析和基于支持向量机(support vector machine,SVM)的地物分类方法抽取出“三调”水田范围内的一季稻和双季稻范围,再利用坑塘水面、果园等地物类型作为锚定地物,筛选出疑似撂荒地块; ③对提取出来的疑似撂荒地块逐一进行外业核查,并发送给地面调查人员进行无人机实地核查举证。
图2
2.1 耕地撂荒定义
2.2 时序NDVI分析
图3
图3
一季稻和双季稻NDVI曲线
Fig.3
NDVI curves of double cropping rice and single cropping rice
利用时序NDVI特征可以体现水稻种植全过程的生命周期特征,而耕地撂荒地块则不具备时序NDVI演变特征,据此实现对撂荒地的精准识别,即:
式中:
本文对2020—2021年间耕地地块的NDVI值变化进行趋势面分析,得到水稻生长期像元NDVI值位于0.21~0.8之间; 并对样本区域进行光谱仪采集光谱数据和综合验证,取NDVI最小值为0.21作为耕地撂荒与否的临界值。当耕地地块时序NDVI常年小于临界值,则将该地判断为撂荒地。
2.3 精度控制
本文基于ENVI混淆矩阵精度评价方法,结合野外实地采集数据,分别对2020年、2021年分类提取的结果进行精度评价和控制,具体精度指标为总体精度(overall accuracy)和Kappa系数。总体分类精度可用下式计算得到:
式中: P为总体分类精度; m为分类类别数; N为样本总数; pii为第i类的判别样本数。
Kappa系数的计算方法如下:
式中: K为Kappa系数; ppi为第i类的所在列总数; pli为第i类的所在行总数。研究表明,当Kappa<0.5时,通常认为分类精度较差; 而当Kappa>0.6时,认为分类精度很高。最终的分类成果应去除非地物,Kappa系数不低于0.8。
2.4 分类后优化处理
基于本文方法的撂荒耕地监测,对于部分破碎度较大区域的识别仍难以非常有效。因此利用分类后优化方法对成果进行精细化处理,对于提高撂荒监测总体精度十分重要。首先,将已有分类结果进行栅格矢量化,并进行同类合并,再利用已有水田边界等数据及人工目视判决等方式,去除其他无关类别(如林地等); 其次,将分类结果图用水田边界进行裁剪,然后把分类结果图进行网格拆分,并同时利用时间序列影像,通过设定阈值的方式对图层中非典型农作物物候网格进行去除,从而得到撂荒耕地范围,达到精化的目的。
3 结果与分析
3.1 耕地撂荒监测提取结果
通过上述方法初步得到2020年水稻种植分类图、2021年水稻种植分类图以及近2 a耕地撂荒监测分类图,结合野外采样获得的42个样本点和无人机现场航飞数据成果,经过精度评估和分类后优化处理,得到了研究区耕地撂荒情况监测成果(图4)。
图4
3.2 精度分析
训练与检验样本是通过卫星影像、无人机影像结合外业样本采集进行获取,通过选取50%样方数据作为提取训练样本,其他50%样方作为精度检验样本。精度评价结果见表2。
表2 Kappa系数和总体分类精度
Tab.2
年份 | Kappa | 总体分类精度/% |
---|---|---|
2020年 | 0.846 | 88.31 |
2021年 | 0.856 | 89.42 |
3.3 撂荒空间分布特征分析
利用ArcGIS的地统计分析模块,对研究区耕地撂荒情况进行统计分析。统计结果表明: 研究区2020—2021年期间耕地撂荒面积为5.6 km2,占全县面积0.22%; 撂荒耕地主要分布位于该县的中部、西南以及东北地区。其中,撂荒面积前四的是中和镇、舜陵街道、鲤溪镇和天堂镇,占研究区全部撂荒面积的51.7%,达2.89 km2。从地形高程来看,撂荒地块基本分布在研究区中部平原区域,其次是西北方向平均高程超1 000 m的丘陵地带,而北部和南部高山区域基本上不存在耕地撂荒现象。空间叠加分析和统计表明: 研究区撂荒地集中分布在高程140~1 000 m间的平原地带,其中300~600 m间的撂荒地最多,占比超过一半; 其次是600~800 m区间,两者合计超过全部撂荒地面积的80%。上述现象与研究区地形有关,宁远县主要位于双牌山系和南岭山脉之间的山谷地带,800 m高程以下区域的地形较为平坦,故耕地种植较为普遍; 加之宁远县靠近南下广东的二广高速,农村外出务工情况较为普遍,劳动力流失明显,相对来说撂荒面积也最多(图5)。同时利用高程数据进行种植区的坡度和坡向计算。根据《土地利用现状调查技术规程》对耕地坡度的分级标准,即[0,2)°,[2,6)°,[6,15)°,[15,25)°,[25,90)°等5个级别,将分级的坡度数据与耕地撂荒监测数据进行空间叠置统计,得到研究区内不同坡度区域内的撂荒情况[21-22]。经统计,不同坡度的撂荒面积如表3。从表3可以看出,研究区域的撂荒地基本集中在第3和第4级别(即[6,15)°和[15,25)°这2个级别),总面积达4.07 km2,占总撂荒面积的72.7%。这表明撂荒现象基本发生在坡度较大的坡地上; 坡度更大的区域[25,90)°则存在较少耕地,因此出现撂荒的现象相对较少; 而位于平原地区的1,2级别坡度的地块出现撂荒的现象相对于全部撂荒数据较少,只占了11.44%。
图5
图5
撂荒空间分布及局部区域放大
Fig.5
Spatial distribution of abandoned land and local area amplification
表3 五级坡度级别下撂荒面积
Tab.3
坡度级别 | 坡度范围/(°) | 撂荒面积/km2 | 占比/% |
---|---|---|---|
1 | [0,2) | 0.23 | 4.13 |
2 | [2,6) | 0.41 | 7.31 |
3 | [6,15) | 1.66 | 29.62 |
4 | [15,25) | 2.41 | 43.01 |
5 | [25,90) | 0.89 | 15.89 |
4 结论
本文基于空天地协同工作模式,利用连续2 a多时序卫星遥感影像数据和航空影像,在“三调”数据和农业经营权数据约束下,基于时序NDVI分析和差值计算提取判别疑似撂荒地块,并进行实地查验。主要结论如下: ①在高空间分辨率国产卫星影像数据和精细化农田边界数据约束下,监测精度可达85%以上,并通过实地无人机核查基本确保撂荒地精准性,表明本研究方法具有较强的工程化实现价值; ②通过撂荒地区域地形分析得知,发现研究区撂荒现象基本集中在中部区域,其中以[15,25)°坡度的区域耕地撂荒现象尤为明显,这为政府实施增减挂钩和高标准农田建设提供了参考依据。
研究成果表明,融合空天地一体化的遥感监测方法可以有效为农业管理部门的撂荒现象治理工作提供科学依据。从粮食安全角度出发,本文发现近几年政府出台了一些鼓励农民种粮的优惠政策,但老百姓的双季稻种植热情一直在减退,为了保障国家粮食安全,需要当地农业主管部门基于全县耕地撂荒严重的区域现状,具有针对性地制定和出台制止耕地撂荒的政策措施,并且确保政策落地。
参考文献
耕地撂荒的文献计量分析:脉络和展望
[J]. ,
Bibliometric analysis of cultivated land abandonment:Context and prospect
[J]. ,
耕地撂荒研究进展与展望
[J]. ,DOI:10.11821/dlxb201603002 [本文引用: 1]
20世纪后半叶以来许多发达国家发生明显的耕地撂荒现象,并逐渐演变为全球性土地利用现象,深刻地改变了广大农村地区土地景观.本文以"土地利用变化--驱动机制--环境效应--政策响应"的框架系统梳理耕地撂荒主要研究进展.研究表明:① 全球耕地撂荒仍主要发生在欧美发达国家,但发展程度的区域差异很大;② 社会经济要素变化是耕地撂荒最主要驱动力,务农机会成本上升等原因引起的耕地边际化是撂荒发生的根本原因,而劳动力析出是造成耕地撂荒的直接原因;③ 耕地撂荒与否,撂荒程度以及撂荒地空间分布受村镇,农户,地块三个尺度的自然条件,劳动力特征,农业生产条件和区域社会经济条件等多方面因素的综合影响;④ 生态环境效应是当前撂荒效应研究的焦点,但该效应是以积极还是消极为主仍存争议;⑤ 增加农业补贴是当前减缓耕地撂荒的主要措施,但并非唯一和最合理的措施.未来,快速城镇化进程将促使中国耕地撂荒现象愈演愈烈,所以当前研究有待加强,本文认为应加强大范围耕地撂荒信息提取和监测,撂荒趋势预测和风险评估,社会经济效应评估及政策设计等方面研究.
Progress and prospect on farmland abandonment
[J]. ,DOI:10.11821/dlxb201603002 [本文引用: 1]
<p>More and more farmland has been abandoned in many developed countries since the 1950s, and then the abandoned land further evolved into a global land use phenomenon, which deeply changed the landscape in vast rural areas. "Land use change-driving mechanism-impacts & consequences-policy response" in global farmland abandonment were reviewed and the results indicated that: (1) Farmland abandonments mainly occurred in developed countries of Europe and North America, but the extent to which varied distinctly. (2) Socio-economic factors were the primary driving forces for the farmland abandonment. And land marginalization was the root cause of land abandonment, which was due to the drastic increase of farming opportunity cost, while the direct factor of abandonment was the decline of agricultural labor forces. (3) Whether to abandon, to what extent and its spatial distributions were finally dependent on combined effect from the physical conditions, labor characteristics, farming and regional socio-economic conditions at village, household and parcel scales. Farmland abandonment was more likely to occur in mountainous and hilly areas except for Eastern Europe due the unfavorable farming conditions. (4) Ecological and environmental effects should be the focus on the study of farmland abandonment, while which is positive or negative are still in dispute. (5) The increase of agricultural subsidies indeed will be conductive to slow down the farmland abandonment, but it is not the only and reasonable method.</p> <p>Due to rapid urbanization in China, there will be a high probability of abandonment expansion in the near future. However, few researches focused on this rapid land-use trend in China, leading to inadequate understandings of dynamic mechanism and consequences of this phenomenon. Thus, in the end of the paper, some directions of future research in China were presented: regional and national monitoring of abandonment dynamics, trend and risk assessment, social-economic effects assessment and informed policymaking.</p>
对当前农村耕地撂荒和耕地质量下降问题的探讨
[J]. ,
To probe into the problems of arable land wasting and its quality declining in rural areas at present
[J]. ,
Mapping farmland abandonment and recultivation across Europe using MODIS NDVI time series
[J]. ,DOI:10.1016/j.rse.2015.03.028 URL [本文引用: 1]
Characteristics and sources of heavy metal pollution in desert steppe soil related to transportation and industrial activities.
[J]. ,DOI:10.1007/s11356-020-09877-9 [本文引用: 1]
Soil nitrification capacity as an integral indicator of soil fertility monitoring
[J]. ,DOI:10.3103/S1068367422040127 [本文引用: 1]
基于Sentinel-2 MSI与Sentinel-1 SAR相结合的黄土高原西部撂荒地提取——以青海民和县为例
[J]. ,
based on the combination of Sentinel-2 MSI and Sentinel-1 SAR based extraction of abandoned land in the western the Loess Plateau:A case study of Minhe County in Qinghai
[J]. ,
基于地块级时序NDVI的喀斯特山区撂荒地特征精准识别
[J]. ,
Accurate recognition and extraction of karst abandoned land features based on cultivated land parcels and time series NDVI
[J]. ,
基于时序遥感数据的福州市耕地非农化特征及驱动因子分析
[J]. ,
The use of time series remote sensing data to analyze the characteristics of non-agriculture farmland and their driving factors in Fuzhou
[J]. ,
南方地区复杂条件下的耕地面积遥感提取方法
[J]. ,
Method of remote sensing extraction of cultivated land area under complex conditions in southern region
[J]. ,
工业化区域撂荒耕地空间格局演变及影响因素分析
[J]. ,
Spatial pattern evolution of abandoned arable land and its influencing factor in industrialized region
[J]. ,
农民占耕地建房的成因及对策分析——以宁远县柏家坪镇四元山村为例
[J]. ,
Analysis on causes and countermeasures of farmers occupying cultivated land to build houses:Taking Siyuanshan Village,Baijiaping Town,Ningyuan County as an example
[J]. ,
耕地质量与耕地产能耦合度研究—以湖南宁远县为例
[J]. ,
On coupling degree of cultivated land quality and productivity:A case study of Ningyuan County,Hunan Province as an example
[J]. ,
中国山区耕地撂荒程度及空间分布——基于全国山区抽样调查结果
[J]. ,DOI:10.18402/resci.2017.10.01 [本文引用: 1]
耕地撂荒是当前全球山区主要的土地利用变化现象,它深刻地改变了山区农村土地利用结构、农业景观和农户生计,并带来了巨大的生态环境和社会经济效应。2000年以来,随着中国劳动力成本的快速上升和农村劳动力的大量析出,中国山区农业因地形限制,机械化发展受阻,耕地面临着较大的撂荒风险。越来越多的案例研究和报道表明中国山区耕地撂荒现象越演越烈。中国山区面积广、坡耕地比重大,耕地撂荒不仅关系到山区农地的合理利用政策和山区可持续发展政策的制定,并可能引起粮食安全问题,但目前仍缺少全国层面的定量化评估研究。因此,本研究通过开展大范围的抽样调查对中国山区县撂荒规模进行了推算,以期为相关政策制定以及耕地边际化进一步研究提供参考。研究结果表明,在235个调查村庄中,78.3%的村庄出现耕地撂荒现象;基于县样本统计的2014-2015年全国山区县耕地撂荒率为14.32%;山区耕地撂荒率在省级尺度上呈现出南高北低的空间格局,其中,长江流域一带的山区耕地撂荒率最高,东北的长白山区最低。
Extent and distribution of cropland abandonment in Chinese mountainous areas
[J]. ,
经济欠发达地区撂荒耕地空间格局与驱动因素分析
[J]. ,
Analysis of spatial pattern and driving factors for abandoned arable lands in underdevelopment region
[J]. ,
基于MODIS时序数据的湖南省水稻种植面积提取及时空变化分析
[J]. ,
Extraction and analysis of spatiotemporal variation of rice planting area in Hunan Province based on MODIS time-series data
[J]. ,
融合时间序列环境卫星数据与物候特征的水稻种植区提取
[J]. ,
Mapping rice paddy distribution by using time series HJ blend data and phenological parameters
[J]. ,
基于GF-1影像的沿淮地区冬季耕地撂荒遥感调查应用
[J]. ,
Application on remote sensing survey of abandoned farmlands in winter along the Huaihe River based on GF-1 image
[J]. ,
撂荒耕地的提取与分析——以山东省庆云县和无棣县为例
[J]. ,DOI:10.11821/dlxb201809004 [本文引用: 1]
由于城镇化的快速发展和农村劳动力不断流失,中国部分地区出现大面积的撂荒现象。利用遥感技术可以间接提取撂荒耕地的规模和数量,对耕地的保护和粮食安全有重要意义。以山东省庆云县和无棣县为研究区,基于Landsat数据和HJ1A数据,采用CART决策树分类方法,制作了1990-2017年的土地利用图,制定了撂荒地的识别规则,在此基础之上提取了研究区的撂荒地空间分布、持续撂荒时间分布和撂荒地复垦区域。结果显示:1990-2017年基准期影像的CART决策树分类精度高于85%;1992-2017年间,研究区撂荒地面积最大值为5503.86 hm<sup>2</sup>,最大撂荒率为5.37%,其中1996-1998年撂荒率最高,2006-2017年撂荒地面积的整体趋势逐年降低;1992-2017年间最大持续撂荒时间为15年,大部分耕地持续撂荒时间在4年之内,少数耕地持续撂荒时间超过10年;1993-2017年撂荒耕地复垦面积最大为2022.3 hm<sup>2</sup>,最小复垦面积约为20 hm<sup>2</sup>,复垦率最大值为67.44%,年均复垦率为31.83%。研究结果不仅能够为研究区撂荒驱动因素分析提供数据支撑,而且也可以为其他地区的撂荒耕地识别提供参考。
Extraction and analysis of abandoned farmland:A case study of Qingyun and Wudi Counties in Shandong Province as examples
[J]. ,
基于多时相协同变化检测的耕地撂荒遥感监测
[J]. ,
Remote sensing monitoring of cultivated land abandonment based on multi temporal collaborative change detection
[J]. ,
不同类型农户撂荒及其影响因素研究——以重庆市12个典型村为例
[J]. ,DOI:10.11821/dlyj201404012 [本文引用: 1]
近年来,耕地撂荒因与耕地流失及粮食安全紧密联系而备受关注。反映撂荒现状并揭示其影响因素,有利于政府制定科学的政策、规划和计划。现有的研究多将农户作为一个整体,较少考虑到不同类型农户撂荒的差异。以重庆市12 个典型村为例,在农户类型划分的基础上,分析不同类型农户撂荒的差异,运用多元线性回归模型定量分析不同类型农户撂荒的影响因素。研究表明:① 不同类型农户撂荒的差异主要体现在撂荒户数比重、户均撂荒面积、撂荒面积占承包地面积比重随耕作半径的变化情况、撂荒地现状及不同时间段撂荒面积;② 野生动物影响和人均耕地面积是影响不同类型农户撂荒的共同原因。此外,影响基本型农户的因素包括户主外出经历、耕作半径和房屋离集镇距离;影响自然资产型农户的因素包括农业劳动力比重、户主外出经历、地块平均面积和耕地收益;影响人力资产型农户的因素包括家庭人口、非农收入、耕地转出面积和耕作半径。
Factors influencing the culivated land abandonment of households of different types:A case study of 12 typical villages in Chongqing Municipality
[J]. ,
基于GIS空间分析的撂荒地空间分布特征研究——以重庆市璧山县大路镇为例
[J]. ,
Study on spatial distribution characteristics of abandoned cropland based on spatial analysis of GIS:A case of Dalu Town Bishan County in Chongqing Municipality
[J]. ,
/
〈 | 〉 |